[发明专利]三相并联型有源滤波器的自适应RBF神经滑模控制方法

说明书

技术领域：

本发明涉及三相并联型有源电力滤波器的自适应RBF神经滑模控制方法，属有源电力滤波器控制技术领域。

背景技术：

随着非线性负载的大量应用，电网中的谐波含量日益增加，造成电能质量越来越差。谐波会引起设备过热、损耗增加、电流过大等一系列危害，必须予以抑制。相对于无源电力滤波器，有源电力滤波器（APF）更能有效地处理变化负载的谐波及功率因数，它具有实时性和准确性的工作特点，被公认为是综合治理“电网污染”最有效的手段。

APF的控制技术是APF的关键技术之一，APF的控制效果在很大程度上取决于其控制器的性能，并且随着工业技术的发展，对控制系统的设计要求日益提高，为了更好地改善电能质量，对APF的控制策略的研究有着重大的理论和现实意义。由于实际系统存在复杂性、非线性、时变形、不确定性等因素，无法获得精确的数学模型，传统的控制理论已经不能满足工业发展的要求，所以先进控制理论得以提出和发展。神经网络控制是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统的控制问题开辟了新途径。

径向基函数（RBF）神经网络模拟了人脑中局部调整、相互覆盖接受域的神经网络结构，它具有单隐层的三层前馈网络，隐层作用函数采用高斯基函数，RBF网络是局部逼近的神经网络，理论上只要足够多的神经元，RBF神经网络能以任意精度逼近任意连续函数。RBF网络由输入到输出的映射是非线性的，而隐层空间到输出空间的映射是线性的，因此采用RBF网络可大大加快学习速度并避免局部极小问题，适合于APF实时控制的要求。

滑模变结构控制是变结构控制系统的一种控制策略。这种控制策略与常规控制的根本区别在于控制的不连续性，即一种使系统“结构”随时间变化的开关特性。该控制特性可以迫使系统在一定特性下沿规定的状态轨迹作小幅度、高频率的上下运动，即所谓的“滑模运动”。这种滑模运动是可以设计的，且与系统的参数及干扰无关。这样，处于滑模运动的系统就具有很好的鲁棒性。

自适应RBF神经滑模控制是滑模控制、RBF神经网络控制及自适应控制的有机结合,综合了各种控制的优点，是一种解决参数不确定系统控制问题的新型控制策略，提高了系统的综合性能。近年来，自适应RBF神经网络控制理论取得了一系列的重要进展，由于该方法具有良好的精确性，鲁棒性和自适应性，在工程上具有很好的应用前景。

发明内容：

本发明涉及一种利用自适应RBF神经滑模控制器来实现对三相并联型有源电力滤波器的控制，通过产生补偿电流实现对电网中谐波电流的抵消，提高电网的电能质量。该控制器将切换函数作为RBF神经网络的输入，滑模控制器作为RBF神经网络的输出，利用神经网络的学习功能，实现单输入单输出的神经滑模控制，提高了系统的稳定性和鲁棒性。

本发明解决技术所采用的技术方案是：

三相并联型有源电力滤波器的自适应RBF神经滑模控制方法，包括以下步骤：

1）建立被控对象三相并联型有源电力滤波器的数学模型

x·1=x2x·2=f(t)+ag(t)+d(t)---(7)]]>

其中，x₁＝i_c为补偿电流，为时变函数，为常

数项，为干扰项，g（t）为开关函数，

t——时间